用小算法进行大数据分析

数据分析基础知识普及

NO.1：数据分析项目的成本收益

要进行数据分析，就是为了追求分析之后的价值，因此数据本身没有固定价值，处理数据的过程存在成本，应用数据的收益决定价值。数据核算包括三个步骤，第一步数据成本核算(TCO / MB)，包括建设成本，软硬IT系统投入及年度维持、升级成本;运营成本，数据源成本及协调、分析、管理人员成本。第二步数据质量核算(TNR / MB)，包括净结果集含量，最低维度结果集行数和列数;净结果准确率，准确率2.5倍率衰减。第三步数据回报率核算(ROI / RMB)，包括基准收益率 vs 优化收益率;基准收益规模 vs 优化收益规模。

郝欣诚表示，我们做一个项目的时候，数据源收集占据了整个项目的30%的时间，随后是数据预处理的三个阶段，最后才能进行数据解读，因此我们整个项目中90%的时间用来数据处理。

NO.2：数据挖掘的9大定律

NO.3:统计方法四大维度

商业解决思路 大数据与小算法

艾瑞咨询对于一个项目的执行过程是怎样的呢?又是如何将小算法进行到大数据分析过程中呢?郝欣诚表示，在大数据行业是没有“黑天鹅”的，而且项目执行中“黑洞”还很多。随后郝欣诚分享了艾瑞咨询项目执行过程，内容分享很精彩，现场效果更精彩，且学且记录。

郝欣诚最后表示，“通过这一项的项目执行过程，最终通过数据分析的方法，帮助用户解决用户需要解决的问题，在这些过程中黑洞很多，只有丰富的经验才能更好的避免绕入其中，当然还有一些好的技术做支撑。”

大数据分析的十大技术

NO.1：TMS系统，行为分析项目利器

NO.2：移动端HTML5及SDK数据支持

NO.3：服务器日志最简单也最难受

NO.4：数据扩维提升数据性价比

NO.5：扩展Reduce脚本简单实用

NO.6：扩展Reduce脚本简单实用

NO.7：易学难精的文本挖掘

NO.8：定制化分析项目如何验证数据

NO.9：数据模型对解读数据的价值

NO.10：可视化工具对数据解读的重要性

在最后郝欣诚表示,“在大数据时代，数据分析的结果只在一个有规则的市场才有用，绝不能用在一个领域的结论轻易用在其他领域，大数据时代，数据分析的价值会越来越重要。